Analisi delle ricerche sul sito con l'approccio bottom-up

Avinash Kaushik ha dimostrato che l'analisi della ricerca sul sito
è un potente strumento che potete usare per comprendere a livello
quantitativo quelli che sono gli intenti dei visitatori. In questo tipo
di analisi, come in tutti gli ambiti della web analytics, potete
lavorare secondo un approccio che possiamo definire top-down.
Iniziando da metriche chiare e misurabili basate sugli obiettivi della
vostra organizzazione, potete compiere analisi comparative e continue
ottimizzazioni dei contenuti e del design del vostro sito.

L'analisi guidata dagli obiettivi è straordinariamente utile, ma in questo articolo useremo un altro approccio, che definiremo bottom-up:
poggia sull'analisi dei pattern e dei fallimenti nelle azioni degli
utenti per aiutarvi a comprendere i loro comportamenti da un punto di
vista qualitativo.

Tocca a voi scoprire il comportamento degli utenti



Piuttosto che misurare le performance in base agli indicatori di performance (KPI),
in un'analisi di tipo bottom-up, voi "giocate" con i dati per portare
alla luce ciò che è inaspettato: pattern interessanti relativi ai modi
in cui le persone cercano sul vostro sito e strani indicatori che
possono insegnarvi cose nuove sui vostri clienti. Per esempio, se siete
produttori di stampanti, potreste essere sorpresi nell'apprendere che
le query di ricerca più comuni sono per i driver delle stampanti e non
per informazioni sui prodotti. Una volta che avrete compreso che i
clienti attuali cercano di più dei potenziali clienti, potreste
drasticamente modificare i contenuti del sito su cui investite di più.

Per comprendere l'intento di un cliente, l'analisi bottom-up è importante quanto quella top-down, e per almeno due ragioni:

1. L'analisi trae sempre beneficio quando svolta da diverse prospettive.
   Nessuna singola prospettiva è di per sé completa e autorevole;
   l'analisi bottom-up è un'altra lente con cui osservare e trarre
   conclusioni rispetto ai vostri dati.
   
2. L'analisi top-down significa misurare solo obiettivi noti.
   L'analisi top-down non anticipa ciò che è ignoto, dal momento che il
   vostro sito, il vostro business, i vostri clienti e il mondo stesso
   cambiano di continuo. Senza analisi bottom-up non riuscirete a portare
   a luce elementi importanti che non sono legati a obiettivi specifici.
   

Inoltre, ci sono occasioni in cui avrete bisogno di basarvi su
un'analisi bottom-up perché quella top-down non funziona. Ecco alcuni
esempi:

• Un sito potrebbe non avere obiettivi chiari e definiti. Per esempio, il management potrebbe non essere in grado di articolare gli obiettivi dell'azienda.
  
• Un certo obiettivo potrebbe non essere misurabile. Potrebbe essere difficile generare utili KPI per il vostro sito personale, il sito della scuola di vostra figlia, etc.
  
• Potrebbe non essere possibile effettuare la misurazione. Può darsi che non ci sia la disponibilità di un software di analytics, di tempo o di personale esperto.
  

In questo potrebbe essere d'aiuto l'analisi bottom-up: l'analisi dei
pattern ci fa scoprire specifiche tendenze nei tipi di informazione che
gli utenti vogliono; l'analisi dei fallimenti ci aiuta a identificare
quegli errori di progettazione che è meglio correggere al più presto.
Iniziamo dunque.

Fare query sulle vostre query di ricerca



L'analisi bottom-up è più facile di quello che si possa pensare.
Quello che si va a fare è un esame dei dati secondo diverse modalità,
per poi attendere che emergano pattern e indicatori interesanti. Per
esempio, esaminiamo le 50 query di ricerca più comuni e usate. Potete
suddividerle in categorie in base agli argomenti, oppure in base ai
tipi di documento? Potete suddividerle in categorie in base ad altri
fattori?
È una cosa davvero semplice. Non bisogna padroneggiare al meglio
Excel e le sue formule più complicate, non c'è bisogno di una laurea in
statistica. Basta scavare un po' a fondo e divertirsi. Potete iniziare
con i rapporti di base del vostro software di web analytics, oppure
importando i vostri dati grezzi in Excel. Mentre "giocate" con le
informazioni, ponete ai vostri dati domande di questo tipo:

1. Quali sono le query uniche più frequenti?
   
2. Sono frequenti le query che generano risultati di qualità?
   
3. Quali sono i tassi di click-through per ciascuna query frequente?
   
4. Quali sono i risultati più cliccati per query?
   
5. Quali query frequenti ottengono 0 risultati?
   
6. Quali sono i referrer per le query più frequenti?
   
7. Quali query portano a trovare documenti importanti?
   
8. Quali pattern interessanti emergono in genere?
   

Queste domande di base sono rilevanti per qualunque sito e le
risposte vi condurranno spesso a porvi ulteriori e conseguenti domande
specifiche per il vostro sito e i vostri utenti. Sono la guida ideale
mentre vi confrontate con megabyte su megabyte di dati sulle ricerche.
E vi aiuteranno nei passi successivi: l'analisi dei pattern e l'analisi
dei fallimenti.
Analisi dei pattern



Ecco un estratto di dati dal sito dell'università del Michigan. I
dati sono conservati in Excel, includono una settimana di ricerche
effettuate nel mese di ottobre e sono ordinate a partire dalle più
comuni fino a quelle meno comuni:
Figura 1 - Dati sulle ricerche svolte sul sito dell'Università del Michigan (forniti gentilmente da Rich Wiggins)



Basta una rapida occhiata per far emergere alcune cose interessanti:

• Perché il corso "CSE 101" è la query più comune? Nessun altro corso
  è presente tra le prime 35 query. Cosa vogliono sapere esattamente gli
  utenti su questo corso?
  
• Perché le query "campus map" e "map" sono così frequenti quando la mappa del campus è chiaramente mostrata sulal home del sito?
  
• C'è un problema con la navigazione del sito? o con il modo in cui
  la mappa è presentata? o forse non ci sono problemi e a molti
  visitatori piace semplicemente cercare?
  
• Perché la query "housing" è così frequente anche se il semestre è
  ormai iniziato e in corso? La query "housing" è così popolare anche nel
  resto dell'anno? Vediamo se i data rivelano quali documenti quelli che
  hanno cercato "housing" hanno visitato nel mese di ottobre
  confrontandoli, ad esempio con il mese di maggio. Ci sono delle
  differenze?
  

Notate che mentre nessuna di queste domande ha a che fare con i KPI,
ognuna è tuttavia importante. Dopo tutto, il 2,5% di quanti hanno
cercato sul sito hanno cercato informazioni sul sistema "lon capa" (Lon
Capa è un sistema per la gestione dei corsi). Durante questa
particolare settimana nel mese di ottobre, il 2,1& di chi ha fatto
ricerche ha cercato una qualche variante di CSE 101. Un altro 1,2% ha
cercato qualcosa sulle mappe. Queste 3 query (e le loro varianti) fanno
insieme un 5% di tutte le ricerche della settimana. Se foste il
webmaster del sito dell'Università del Michigan, dovreste valutare
quanto il motore di ricerca supporta chi cerca qualcosa sul sito e se i
contenuti sono adeguati alle loro esigenze.

Suddividere in categorie queste query aiuterà molto nel comprendere
i pattern ricavabili dai dati. Non dovete essere dei bibliotecari per
farlo. Tutti gli approcci possibili alla categorizzazione possono
essere applicati; dipende dai pattern che emergono più chiaramente per
voi. Il grafico mostra le query suddivise in categorie con colori
diversi. C'è voluta appena un'ora per realizzarlo:
Figura 2 - Suddivisione in categorie



Esaminando la frequenza della query, emerge un fatto interessante:
la stagionalità. Le query che rappresentano sistemi (in giallo)
declinano nel corso del semestre, forse perché gli studenti
acquisiscono più familiarità con quei sistemi. Le mappe(in nero) sono
più utili all'inizio del semestre, la biblioteca (arancione) quando si
avvicinano gli esami finali, mentre il football (in grigio) e le query
ad esso legate calano mentre la squadra va incontro ad una serie di
sconfitte nel corso del tempo.

O almeno così sembra. In definitiva, l'analisi ci dice cosa sta
accadendo e non perché. Dopo aver individuato i pattern sui dati,
possiamo capire cosa sta accadendo con ragionevole accuratezza. Ma non
possiamo saperlo con certezza se non portiamo avanti un'analisi
qualitativa, come i test svolti direttamente con gli utenti a cui
chiediamo perché fanno quello che fanno.

E allora, quando avrete davanti i dati sulla ricerca, ponetevi
queste domande, emergeranno tendenze, pattern e indicatori interessanti:

• Quali sono le query più usate dagli utenti?
  
• Come possiamo suddividere in categorie le query? Per argomento? Per tipo di pubblico? Per task da compiere sul sito?
  
• In che modo il tempo e le stagioni influenzano le informazioni di cui gli utenti hanno bisogno?
  

Una volta che si sia iniziato a vedere qualche pattern nella ricerca
interna al sito, potete usare l'analisi dei fallimenti per migliorare
le informazioni che fornite. Ne parleremo nella seconda parte
dell'articolo.